Статья: Изменение разрядности и способа отображения как процедуры предварительной обработки измерительных данных

Сравнивая представленные в табл. 2 и 3 результаты, можно сделать вывод, что наибольшее влияние на однородность данных и эффективность их последующего сжатия имеет выбор разрядности данных с одновременным использованием КСО, при этом в условиях сохранения исходной разрядности данных он остается наиболее эффективным.

Важно заметить, что наблюдается корреляция между разрядностью отсчетов кадра после изменения их разрядности и эффективностью сжатия. В пренебрежительно малом количестве опытов наблюдается обратная зависимость, а в остальных опытах оказалось эффективным увеличение разрядности или ее сохранение.

Таблица 4

Анализ данных, приведенных в табл. 4, свидетельствует, что в достаточно большом количестве опытов наибольшую эффективность алгоритмы сжатия показывают на наборах, данные в которых были преобразованы с нарушением разрядности и одновременно с этим отображены с использованием спиралевидного или классического СО. При этом применение такого комбинированного подхода позволяет добиться значительно большего эффекта, чем использование их по отдельности.

Важно заметить, что в данном случае эффективность преобразований уже не связана с особенностями группирования отсчетов в кадрах рассматриваемых наборов, а основана лишь на попытке оптимально расположить немногочисленные единичные биты в их структуре.

Заключение

Основываясь на результатах проведенных экспериментов, можно сделать вывод, что изменения разрядности данных в совокупности с использованием различных способов их отображения могут быть использованы как процедуры предварительной обработки для задачи их последующего сжатия. При этом в большинстве случаев удается достичь значимого повышения ее эффективности. Важно отметить, что такой вариант стирает границы между классическим и геометрическим подходами к представлению данных, позволяя определять оптимальную их разрядность не априори, а в результате непосредственного анализа.

Дальнейшее развитие предложенных подходов предполагает несколько направлений. Во-первых, разработку адаптивного алгоритма преобразования, основанного на анализе свойств данных и выборе для них наиболее эффективной разрядности и способа отображения. Во-вторых, разработку способов косвенной оценки эффективности преобразования данных с целью увеличения быстродействия данной процедуры вместо ее оценки с помощью коэффициента сжатия, полученного на целевых алгоритмах.

Литература

1. Оллсон Г., Пиани Дж. Цифровые системы автоматизации и управления. - СПб.: Невский диалект, 2001.

2. Орешко В.В. Алгоритмы устранения избыточности информации, передаваемой от бортовых телеметрических систем на Землю // Ракетно-космическое приборостроение и информационные системы. - 2017. - Т. 4, №2. - С. 85-94.

3. Ломтев Е.А., Мясникова М.Г., Мясникова Н.В., Цыпин Б.В. Совершенствование алгоритмов сжатия-восстановления сигналов для систем телеизмерений // Измерительная техника. - 2015. - №3. - С. 11-15.

4. Победоносцев В.А. Определение количества информации о непрерывных сигналах. Элементарная теория. - М.: Радиотехника, 2017.

5. Тулекбаев Е.Т. Эффективные методы сжатия телеметрической информации для наземных комплексов управления // Вестник науки и образования. - 2017. - № 10. - С. 14-20.

6. Байбекова Ф.Н., Подольцев В.В., Беспалова Н.М., Сологубова Л.А. Обзор способов снижения избыточности телеметрической информации // Радиопромышленность. - 2019. - №2. - С. 8-16.

7. Capurro I., et al. Efficient Sequential Compression of Multichannel Biomedical Signals // IEEE Journal of Biomedical and Health Informatics. - 2017. - Vol. 21, №4. - P. 904-916.

8. Chen-Wei Huang, Jian-Jiun Ding. Efficient EEG Signal Compression Algorithm with Long Length Improved Adaptive Arithmetic Coding and Advanced Division and Encoding Techniques // 23rd International Conference on Digital Signal Processing (DSP). - Proceedings. Shanghai, China. - 2018.

9. Xin Zhang, Jafar Saniie. Unsupervised Learning for 3D Ultrasonic Data Compression // 2021 IEEE International Ultrasonics Symposium (IUS). - Proceedings. - Xi'an, China.

10. Tsung-Han Tsai, Fong-Lin Tsai. Efficient Lossless Compression Scheme for Multi-channel ECG Signal // 2019 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP). - Brighton, UK.

11. Xiaojin Shi, Yunhua Zhang, Xiao Dong. Evaluation of BAQ on Tiangong-2 interferometric imaging radar altimeter data compression // Proceedings 22nd International Microwave and Radar Conference (MIKON). - Poznan. Poland. - 2018.

12. Ватолин Д., Ратушняк А., Смирнов М., Юкин В. Методы сжатия данных. - М.: ДИАЛОГ-МИФИ, 2003.

13. Бевецкий А.В. Алгоритм блочного сжатия измерительных данных // Ученые заметки ТОГУ. - 2013. - Т. 4, №4. - С. 811-818.

14. Головизин С.В., Левенец А.В., Симаков С.Р. Алгоритмы сжатия данных АСКУЭ и телемеханики для системы совместной передачи данных // Энергетика: управление, качество и эффективность использования энергоресурсов. Сб. трудов третьей Всероссийской НТК с международным участием. - 2003. - Т. 1. - С. 142-144.

15. Капля В.И., Бурцев А.Г., Тимофеев И.И. Сжатие измерительной информации методом Хаффмана с использованием таблицы уникальных величин // Журнал научных публикаций аспирантов и докторантов.

16. Чье Ен Ун, Левенец А.В., Токарев Р.Е. Применение популярных алгоритмов компрессии изображений для сжатия измерительных данных // Вестник Тихоокеанского государственного университета. - 2012. - №4(27). - С. 125-132.

17. Сергеенко B.C., Баринов В.В. Сжатие данных, речи, звука и изображений в телекоммуникационных системах. - М.: РадиоСофт, 2009.

18. Богачев, И.В., Левенец А.В., Чье Ен Ун. Статистический анализ телеметрических данных с точки зрения задачи сжатия // Информационно-управляющие системы. - 2017. №1 (86). - С. 11-16.

19. Богачев, И.В., Левенец А.В Корреляционный анализ и задача сжатия телеметрических данных // Информационные технологии XXI века: сб. науч. тр. - Хабаровск, 2017. - С. 136-143.

20. Bogachev I.V., Levenets A.V., Chye En Un. Reversible Structural Transformation Methods of Measuring Data Frames as a Means of Increasing the Efficiency of Compression // 2018 Proceedings International Multi-Conference on Industrial Engineering and Modern Technologies (FarEastCon). -Vladivostok.

21. Богачев И.В., Левенец А.В. Геометрический подход к сжатию данных телеметрических систем // Информатика и системы управления. - 2015. - №4(46). - С. 16-22.

22. Bogachev I.V., Levenets A.V., Chye En Un. Selection Criteria of the Compression Algorithm in Information-Measuring System // Proceedings 2nd International Conference on Industrial Engineering, Applications and Manufacturing (ICIEAM). - Chelyabinsk, 2016.

23. Богачев, И.В., Левенец А.В., Чье Ен Ун. Способ обратимого сжатия кадров измерительных данных на основе «паркетного» разбиения // Автометрия. - 2018. - №3(54). - С. 54-60.

24. Богачев, И.В., Левенец А.В., Чье Ен Ун. Алгоритм обратимого сжатия кадров измерительных данных на основе разбиения секущими // Информационно-сенсорные системы в теплофизических исследованиях: сборник науч. статей. В 2-х т. - Тамбов. - 2018. - Т. 1. - С. 186-189.

25. Salomon D. Motta G. Handbook of Data Compression. - Springer, 2010.